Ariston, due agenti AI per i trasporti spot: da 2 ore a pochi minuti

Ariston Group, gruppo del comfort termico presente in oltre 70 Paesi, ha messo l'AI agentica dentro due attività logistiche molto concrete: le richieste di trasporto spot e la preparazione dei carichi. Nel primo caso il tempo per richiesta passa da circa 2 ore a pochi minuti. Nel secondo si risparmiano almeno 20 minuti per ordine. Per un responsabile logistica il punto interessante è il metodo: l'azienda non ha sostituito il sistema di gestione dei trasporti, ma gli ha messo davanti un'interfaccia conversazionale.

Il caso è stato raccontato da Gianmarco Baleani, AI and Digital transformation manager del gruppo, a un convegno al Politecnico di Milano.

Il problema: spedizioni fuori standard, dati incompleti

Le richieste di trasporto spot (in gergo RFQ, Request for Quotation) riguardano spedizioni non standard, straordinarie o fuori dalla quota contrattuale. Arrivano da più reparti: produzione, area commerciale, manutenzione.

Ariston ne gestisce circa 30-40 al mese. In passato ciascuna assorbiva circa 2 ore di lavoro complessivo, tra inserimento dei dati e scambi di informazioni. Chi chiedeva la spedizione spesso non conosceva le normative di riferimento e rischiava di compilare la richiesta in modo parziale o sbagliato. Il lavoro tornava quindi alla logistica sotto forma di domande, correzioni e solleciti.

Si può fare un conto semplice: 30-40 richieste per circa 2 ore sono nell'ordine di 60-80 ore al mese di lavoro. È una stima nostra, non un dato dell'azienda. Serve solo a dare l'ordine di grandezza di ciò che si libera.

Cosa ha costruito Ariston: l'RFQ Agent

L'azienda ha sviluppato un RFQ Agent con Microsoft Copilot Studio. La soluzione poggia su tre elementi:

• Interfaccia su Teams. Il richiedente dialoga in linguaggio naturale con l'agente e non deve accedere a un TMS (Transport Management System, il software che gestisce i trasporti).
• Dati e analisi. L'agente raccoglie le informazioni e popola elenchi SharePoint, oppure Dataverse. La visibilità arriva da dashboard Power BI con Copilot integrato.
• Comunicazioni. Un secondo agente gestisce gli scambi con le parti coinvolte via Outlook. L'infrastruttura è mantenuta dal team ICT interno.

Secondo Baleani i vantaggi sono tre: dati più affidabili, perché l'agente guida al rispetto delle policy aziendali; nessuna barriera d'uso del software; meno email interne. Il primo punto conta più degli altri. L'agente fa le domande giuste a chi non è del mestiere e la richiesta arriva completa fin dall'inizio.

Il secondo progetto: Load builder

Il secondo caso riguarda il carico dei materiali per gli ordini cliente. Saturare un camion o un container nelle richieste flessibili richiede molta personalizzazione, a differenza dei flussi standard.

Ariston ha sviluppato l'applicazione Load builder con un coding agent, cioè uno strumento che scrive codice a partire da istruzioni in linguaggio naturale. La fonte cita Claude Code, Codex e Cursor come esempi della categoria, senza precisare quale sia stato usato. L'app tratta circa 30-40 emissioni di ordini al giorno e fa risparmiare almeno 20 minuti per ordine, secondo una stima dell'azienda. Si inserisce nel contesto operativo e capisce anche lo slang e i termini tecnici del personale di magazzino durante la preparazione dei carichi.

Governance: il rischio delle micro-app

Generare un'applicazione in pochi minuti è comodo, ma Ariston ne indica i rischi. Se in un gruppo con oltre 10mila dipendenti ciascuno costruisse le proprie app senza una regia, nascerebbe una shadow AI: strumenti non controllati, fuori dai radar dell'IT. Baleani parla di caos informatico.

C'è anche un tema di sicurezza. I coding agent lavorano prendendo il controllo del terminale dell'utente e possono quindi accedere a dati sensibili, comandi e screenshot. Per questo Ariston chiede di farli operare in sandbox protette e isolate.

Baleani aggiunge una domanda strategica per i dirigenti: l'app chiude una falla locale, oppure bisogna ridisegnare l'intero processo in chiave AI? Non tutto ciò che si può automatizzare va automatizzato così com'è.

Le persone: la formazione

L'analisi interna prima del piano formativo ha mostrato tre gruppi: pochi curiosi che usano molto l'AI, una grande maggioranza che la usa poco o niente, e una quota che la usa male. Ne derivavano un divario di produttività e la mancanza di un linguaggio comune.

La risposta è un modulo di 4 ore per piccoli gruppi. Le prime 2 ore coprono funzionamento, rischi e strutturazione dei prompt. Le altre 2 trattano concetti come Agent Skills, MCP e RAG, con esercitazioni su casi reali. L'accento è sulla formulazione del problema e sulla verifica critica dell'output, non sul prompting di base.

Cosa può imparare un manager

• Parta dalle richieste straordinarie. Sono poche, ripetitive nella raccolta dati e costose in tempo. Con 30-40 casi al mese il beneficio si misura facilmente.
• Metta l'agente davanti ai sistemi esistenti. Ariston ha usato Teams, SharePoint e Power BI, strumenti già in azienda, senza imporre un TMS a chi chiede una spedizione una volta ogni tanto.
• Faccia raccogliere i dati completi all'origine. Un agente che guida il richiedente secondo le policy riduce le correzioni a valle.
• Fissi le regole prima di usare i coding agent. Sandbox, un presidio centrale e il coinvolgimento dell'ICT evitano la proliferazione di app non governate.
• Formi sul problema, non solo sullo strumento. Saper definire un problema e verificare la risposta conta più di un buon prompt.